OpenClaw Enterprise
企业级多Agent协作系统，基于 LangChain + LangGraph 构建。
Purpose
OpenClaw Enterprise 是企业级多 Agent 协作系统，通过幕僚长 Agent 统一接收用户任务，智能分解为子任务并调度 16 种专业执行 Agent 并行处理，最终整合结果返回用户。适用于复杂业务场景的自动化处理、内容创作、数据分析、研发支持等企业级需求。
When to Use
- "帮我分析一下最近的市场趋势和竞品动态"
- "写一篇关于AI技术趋势的营销文案"
- "规划一个新产品上线方案"
- "帮我审查这份合同的风险点"
- "生成本月销售数据报表"
- "帮我安排下周的会议和差旅行程"
- "分析一下我们的财务状况和成本结构"
- "创建一个技术方案文档并生成配图"
When NOT to Use
- 简单问答任务（无需调用幕僚长，直接使用通用对话助手即可）
- 实时高频交易操作（本系统侧重分析与规划，不适合毫秒级执行）
- 涉及高敏感个人数据的任务（需额外合规审查）
- 单 Agent 即可完成的简单任务（无需动用完整 Agent 协作体系）
Setup
前置依赖
必需工具：
- Python 3.10+
- pip
- curl
- Git
必需环境变量：
OPENAI_API_KEY — OpenAI API 密钥（支持 GPT-4 系列模型）DATABASE_URL — PostgreSQL 数据库连接字符串（可选，高级记忆系统使用）
可选工具（Designer Agent 图片生成）：
- Coze CLI：
npm install -g @coze/coding-cli
- Coze 账号已完成 OAuth 授权登录
安装步骤
# 1. 克隆仓库
git clone https://github.com/WangM-A3/openclaw-enterprise-skill.git
cd openclaw-enterprise-skill
# 2. 安装 Python 依赖
pip install -r requirements.txt
# 3. 配置环境变量
export OPENAI_API_KEY="<your-api-key>"
export DATABASE_URL="postgresql://user:pass@localhost/openclaw"
# 4. 启动 API 服务
python api_server.py
Examples
示例1：数据分析任务
用户: 帮我分析Q3销售数据，生成报告
系统流程:
1. 幕僚长接收任务
2. 分解为: 数据收集 → 数据清洗 → 分析计算 → 报告生成
3. 调用 DataAgent 执行
4. 整合结果返回
示例2：内容创作任务
用户: 写一篇关于AI趋势的文章
系统流程:
1. 幕僚长接收任务
2. 调用 ResearchAgent 收集素材
3. 调用 ContentAgent 撰写内容
4. 返回完整文章
示例3：复杂项目规划
用户: 帮我规划一个新产品上线方案
系统流程:
1. 幕僚长接收任务
2. 并行调用:
- Planner: 制定时间线
- IntelAgent: 市场洞察
- DevAgent: 技术方案
- LegalAgent: 合规检查
3. 整合各维度方案
4. 输出完整项目计划
🎯 核心能力
幕僚长调度系统
- 单一入口: 所有任务由幕僚长 Agent 统一接收和调度
- 智能分解: 复杂任务自动拆解为子任务
- 并行执行: 多个执行 Agent 并行处理
- 结果整合: 自动汇总各 Agent 执行结果
16种专业执行Agent
| Agent | 能力 |
|---|
| 📊 DataAgent | 数据分析、报表生成、数据可视化 |
| 📝 ContentAgent | 内容创作、文案撰写、营销文案 |
| 🔍 ResearchAgent | 信息检索、投研分析、行业调研 |
| 💻 DevAgent | 代码编写、技术实现、bug修复 |
| 🎨 DesignAgent | 设计创作、视觉输出、图片生成 |
| ⚖️ LegalAgent | 合规审查、合同审核、风险评估 |
| 💰 FinanceAgent | 财务分析、预算规划、成本控制 |
| 📦 AdminAgent | 日程管理、会议安排、差旅规划 |
| 📢 SalesAgent | 销售支持、商机管理、报价方案 |
| 📱 SocialAgent | 社媒运营、小红书/抖音内容运营 |
| 🧠 IntelAgent | 竞争情报、竞品分析、市场洞察 |
| 📈 TradingAgent | 交易执行、行情监控、量化策略 |
| 🔧 SupportAgent | 客服支持、问题诊断、工单处理 |
| 🤝 HRManager | 人力资源、招聘管理、团队建设 |
| 📅 Planner | 项目规划、里程碑制定、进度管理 |
| 🚀 Innovator | 创新方案、头脑风暴、技术预研 |
🎨 Designer Agent（图片生成）
Designer Agent 由 Coze CLI 提供图片生成能力，适用于海报、插画、封面、UI 视觉等设计创作场景。
能力范围
- 文生图：根据自然语言提示词生成图片
- 多风格支持：写实、插画、动漫、UI 设计等
- 高分辨率输出：通过 Coze 平台生成，可上传获得在线链接
前置依赖
- Coze CLI 已安装：
npm install -g @coze/coding-cli
- Coze 账号已完成 OAuth 授权登录
图片生成标准工作流
Step 1: 检查认证状态
coze auth status
若返回 [Auth] No API token found，执行 Step 2；已授权则跳至 Step 3。
Step 2: OAuth 授权（如需）
coze auth login 2>&1
从输出中提取授权链接（格式：https://www.coze.cn/oauth/device-activation?user_code=XXX-XXX-XXX），立即将链接返回给用户，不要阻塞等待。用户完成授权后再继续。
Step 3: 生成图片
coze generate image "详细的图片描述" --format json
图片默认保存到当前工作目录，文件名在返回结果中确认。
Step 4: 定位生成文件
ls -t *.png *.jpg *.jpeg *.webp 2>/dev/null | head -1
或从 Step 3 的 JSON 输出中获取文件名。
Step 5: 上传获取在线链接
coze file upload <生成的文件路径> --format json
Step 6: 返回结果给用户
将 coze file upload 返回的 url 字段作为最终交付物返回。不要返回本地路径。
典型命令模板
# 1. 检查认证
coze auth status
# 2. 未授权则获取授权链接（立即发给用户）
coze auth login 2>&1
# 3. 生成图片
coze generate image "A modern tech startup office, minimalist design, natural lighting, photorealistic" --format json
# 4. 定位文件（从输出 JSON 中获取文件名）
ls -t *.png | head -1
# 5. 上传
coze file upload ./generated-image.png --format json
# 6. 返回 upload 结果中的 url 给用户
注意事项
- 图片生成不需要
--output-path：与音频不同，coze generate image 默认保存到当前目录，无需手动指定输出路径。
- 必须上传才能交付：直接返回本地路径对用户不可访问，必须经由
coze file upload 获取在线 URL。
- OAuth 授权不能阻塞：
coze auth login 必须立即提取链接并返回用户，设备码有效期仅 5 分钟。
- 组织/空间上下文：若遇权限错误，执行
coze organization list → coze space list → 切换到正确的 org/space。
- 文件命名：生成图片的文件名由 Coze CLI 自动生成，可通过
ls -t 按时间排序快速定位最新文件。
错误处理
| 错误 | 原因 | 修正 |
|---|
[Auth] No API token found | 未登录 | 执行 coze auth login 并返回授权链接给用户 |
No permission | 组织/空间上下文不对 | coze organization list + coze space list 切换 |
| 本地路径发给用户 | 跳过上传步骤 | 必须执行 coze file upload 后返回 url |
| 图片为空/未生成 | --output-path 误用 | 图片命令不需要该参数，重新执行 |
企业级特性
- 记忆系统: 短期对话记忆 + 长期知识存储
- 成本追踪: 实时监控 Token 消耗
- 审计日志: 完整的操作记录
- 权限控制: 多租户隔离
🚀 快速开始
1. 安装依赖
pip install -r requirements.txt
2. 配置环境变量
export OPENAI_API_KEY="your-api-key"
export DATABASE_URL="postgresql://user:pass@localhost/openclaw"
3. 启动服务
python api_server.py
4. 调用 API
import requests
response = requests.post(
"http://localhost:8080/chat",
json={
"user_id": "user123",
"message": "帮我分析一下最近的市场趋势",
"context": {}
}
)
print(response.json())
📖 使用示例
示例1：数据分析任务
用户: 帮我分析Q3销售数据，生成报告
系统流程:
1. 幕僚长接收任务
2. 分解为: 数据收集 → 数据清洗 → 分析计算 → 报告生成
3. 调用 DataAnalyst Agent 执行
4. 整合结果返回
示例2：内容创作任务
用户: 写一篇关于AI趋势的文章
系统流程:
1. 幕僚长接收任务
2. 调用 Researcher Agent 收集素材
3. 调用 ContentWriter Agent 撰写内容
4. 返回完整文章
示例3：复杂项目规划
用户: 帮我规划一个新产品上线方案
系统流程:
1. 幕僚长接收任务
2. 并行调用:
- Planner: 制定时间线
- Marketer: 营销策略
- Developer: 技术方案
- LegalAdvisor: 合规检查
3. 整合各维度方案
4. 输出完整项目计划
🔌 API 接口
POST /chat
与 Agent 对话
Request:
{
"user_id": "string",
"message": "string",
"context": {}
}
Response:
{
"response": "string",
"agent_used": "string",
"tokens_used": 123,
"execution_time": 1.5
}
POST /task
创建异步任务
Request:
{
"user_id": "string",
"task_type": "string",
"parameters": {}
}
GET /agents
查看可用 Agent 列表
GET /costs
查询 Token 消耗统计
🏗️ 架构说明
┌─────────────────────────────────────────┐
│ Gateway (Layer 3) │
│ 请求路由 + 认证 + 限流 │
└────────────────┬────────────────────────┘
│
┌────────────────▼────────────────────────┐
│ 幕僚长 Agent (Layer 4) │
│ 任务分解 + 调度 + 结果整合 │
└────────────────┬────────────────────────┘
│
┌────────────────▼────────────────────────┐
│ 执行 Agent 层 (Layer 5) │
│ DataAnalyst | Writer | Researcher ... │
└────────────────┬────────────────────────┘
│
┌────────────────▼────────────────────────┐
│ 外部服务层 (Layer 6) │
│ LLM | Search | Database | Tools │
└─────────────────────────────────────────┘
⚙️ 配置选项
Agent 配置
# config/agents.yaml
chief_of_staff:
model: "gpt-4"
temperature: 0.7
max_tokens: 4000
executors:
data_analyst:
model: "gpt-3.5-turbo"
tools: ["pandas", "matplotlib"]
记忆配置
# config/memory.yaml
short_term:
type: "buffer"
max_tokens: 2000
long_term:
type: "vector"
backend: "pinecone"
📊 性能指标
- 响应延迟: P50 < 500ms, P99 < 2s
- 并发能力: 支持 100+ 并发请求
- 任务吞吐: 1000+ tasks/hour
- 可用性: 99.9% SLA
🔒 安全特性
v1.2.0 安全修复说明（2026-04-23）
以下安全措施已实施，通过 ClawHub 安全扫描：
- 供应链安全（HIGH 风险已修复）：所有依赖版本固定为
==
- 网络安全（MEDIUM 风险已修复）：httpx 白名单 + 外部服务域名声明
🛡️ 供应链安全（已修复 HIGH 风险）
- 依赖版本完全固定：所有 Python 包均使用
== 精确版本号（参考 requirements.txt）
- 版本来源：冻结自项目
.venv-test 环境的实际安装版本
- 禁止浮动版本：
>=、>、~= 等范围规范已全部替换为 ==
- 维护要求：每次依赖更新必须同步更新
requirements.txt + DEPENDENCIES.md
- 修复前：
langchain>=0.1.0（可能引入任意版本）
- 修复后：
langchain==0.1.20（仅允许指定版本）
🌐 网络请求白名单（已修复 MEDIUM 风险）
- 域名白名单：所有 httpx 请求均经过
src/security/httpx_whitelist.py 验证
- 白名单实现：
WhitelistHTTPTransport（httpx Transport 包装），请求前域名检查
- 精确匹配域名：
api.openai.com、xiaping.coze.site、api.coze.cn、api.minimax.chat、generativelanguage.googleapis.com、api.anthropic.com 等
- 前缀匹配域名：
*.coze.site、*.coze.cn（Coze / ClawHub 所有子域）
- 详细文档：参见
docs/SECURITY_WHITELIST.md
| 域名 | 用途 |
|---|
api.openai.com | OpenAI GPT 系列 |
xiaping.coze.site | ClawHub/虾评平台 API |
api.coze.cn | Coze 中国区 API |
api.minimax.chat | MiniMax 国产大模型 |
generativelanguage.googleapis.com | Google Gemini |
api.anthropic.com | Anthropic Claude（备用） |
⚔️ 命令执行沙箱
- subprocess shell=False：所有系统命令执行禁用
shell=True，消除 shell 注入风险
- 命令白名单：仅允许预定义的安全命令（
python3, pip, curl, git 等）
- 危险模式拦截：
;, &&, |, $(, 反引号等注入字符一律拦截
- PATH 限制：限制命令搜索路径，防止 PATH 劫持
🔐 依赖版本锁定策略（完整清单）
详见 DEPENDENCIES.md，包含：
- 26 个 Python 包：全部使用
== 固定版本，来源、许可证、安全扫描状态完整记录
- 8 个外部服务 API：域名、用途、数据类型、白名单状态完整记录
- 禁止依赖列表：
requests、aiohttp、urllib3、eval/exec、pickle 等明确禁止
🔐 其他安全措施
- API Key 加密存储（Fernet 对称加密）
- 请求签名验证（JWT Token）
- 敏感数据脱敏（PII 检测：邮箱、手机、身份证、银行卡、API Key、密码）
- 操作审计日志（完整 JSONL 记录，SOC 2 合规报告）
- PII 检测模块：
src/security/pii_detector.py（自动脱敏，日志不暴露敏感信息）
📎 安全文档索引
| 文档 | 内容 |
|---|
requirements.txt | 所有 Python 依赖（== 固定版本） |
DEPENDENCIES.md | 依赖完整清单（版本/来源/许可证/安全状态） |
docs/SECURITY_WHITELIST.md | 网络域名白名单（域名/用途/数据安全措施） |
src/security/httpx_whitelist.py | 白名单模块实现代码 |
src/security/pii_detector.py | PII 脱敏模块实现代码 |
src/security/audit_logger.py | SOC 2 审计日志模块 |
📝 注意事项
- API Key: 需要配置 OpenAI 或其他兼容的 LLM API Key
- 数据库: 生产环境建议使用 PostgreSQL
- 资源: 建议至少 4GB 内存
- 并发: 高并发场景需要配置 Redis 缓存
🔗 相关链接
📜 版本历史
v1.2.0 (2026-04-23) — 安全修复版
- ✅ 供应链安全：所有依赖版本固定为
==，通过 ClawHub unsafe_checked
- ✅ API 域名白名单：新增
src/security/httpx_whitelist.py，防止 DNS 重绑定
- ✅ subprocess 沙箱：
cmd_exec_shell() 禁用 shell=True，添加命令白名单 + 危险模式拦截
v1.1.0 (2026-04-10)
- 新增 Designer Agent 完整集成方案
- 基于 Coze CLI
coze generate image + coze file upload 实现图片生成能力
- 包含 6 步标准工作流、OAuth 授权处理、错误处理表
v1.0.0 (2026-04-08)
- 首次发布
- 16种执行 Agent
- 幕僚长调度系统
- 企业级特性完整
许可证: MIT License
作者: M-A3
发布平台: ClawHub / QBotClaw
